O objetivo principal desta vaga é encontrar um profissional experiente em machine learning para trabalhar em projetos de visão computacional e deep learning.
Abaixo estão as principais responsabilidades do cargo:
* Anotar e preparar datasets de visão computacional;
* Projetar, treinar, validar e otimizar modelos de deep learning para classificação, detecção e segmentação de imagens;
* Treinar e implementar modelos YOLO (You Only Look Once) para tarefas de detecção de objetos;
* Desenvolver e manter pipelines de inferência para execução eficiente em produção;
* Implementar práticas de MLOps: CI/CD de modelos, versionamento de dados e experimentos, monitoramento e re-treino automático;
* Trabalhar em conjunto com engenheiros de software para integrar os modelos em sistemas e aplicações.
Abaixo estão os requisitos obrigatórios para o cargo:
* Conhecimento de Python em quaisquer das bibliotecas de ML/DL (PyTorch, TensorFlow, OpenCV);
* Experiência prática com YOLO (treinamento e inferência em problemas de detecção de objetos);
* Experiência sólida em visão computacional (classificação, detecção, segmentação);
* Experiência em MLOps com quaisquer das ferramentas: AWS SageMaker Studio, MLflow, Kubeflow, Docker, Kubernetes, Airflow;
* Conhecimento em boas práticas de engenharia de software (Git, testes automatizados, ambientes reprodutíveis).
Abaixo estão as metricas e gráficos que você deve saber interpretar:
1. Visão Computacional:
* mAP@0.5, mAP@0.5:0.95;
* Curvas Precision-Recall (PR) e AP por classe;
* Curva ROC e AUC;
* Matriz de confusão;
* Curvas de perda e acurácia durante o treinamento;
* Distribuição de IoU (Interseção Sobre a União);
* Learning curves (treino vs. validação).
2. Dados Estruturados:
* Gráficos de resíduos em regressão;
* Curvas de calibração de probabilidade;
* Feature importance, SHAP e PDP/ICE plots;
* Heatmaps de correlação e PCA (scree plot, biplot);
* MLOps / Produção:
o Gráficos de detecção de drift de dados;
o Distribuição de probabilidades de saída (overconfidence);
o Metrícias de latência/throughput;
o Consumo de GPU/CPU/memória em inferência.
Se você tem experiência em Machine Learning, este é o seu lugar!